提取特征點：首選抓取多張圖片，從中獲取特征數(shù)據(jù)集和平均特征值然后寫入 csv 文件 - 計算特征數(shù)據(jù)集的歐式距離作對比：首先使用Opencv庫將攝像頭中的人臉框出來，再將攝像頭中采取到的人臉特征值與數(shù)據(jù)集中的每個人的特征均值作對比，選取最接近（歐氏距離最?。┑闹?，將其標(biāo)注為歐氏距離最小的數(shù)據(jù)集的人名

一、構(gòu)建人臉特征數(shù)據(jù)集

安裝Dlib
構(gòu)建自己的數(shù)據(jù)集

抓取人臉圖片：

在視頻流中抓取人臉特征，并保存為256*256 大小的圖片文件共20張，這就是我們建立數(shù)據(jù)集的第一步，用來訓(xùn)練人臉識別。

不一定是256*256的尺寸，可以根據(jù)自己的需求來調(diào)整大小，圖片越大訓(xùn)練結(jié)果會愈加精確，但也會影響訓(xùn)練模型的時間。

其中：

光線：曝光和黑暗的圖片需手動剔除- 請使用同一個設(shè)備進行數(shù)據(jù)采集，不同設(shè)備的攝像頭采集到的數(shù)據(jù)集會有出入- 這里采用的是從視頻流中進行捕捉截圖，也可以自己準(zhǔn)備20張左右的人臉圖片

代碼：

import cv2 ?
import dlib ?
import os ?
import sys ?
import random ?
# 存儲位置 ?
output_dir = 'D:/No1WorkSpace/JupyterNotebook/Facetrainset/Num&Name' #這里填編號+人名 ?
size = 256 #圖片邊長 ?

if not os.path.exists(output_dir): ?
? ? os.makedirs(output_dir) ?
# 改變圖片的亮度與對比度 ?

def relight(img, light=1, bias=0): ?
? ? w = img.shape[1] ?
? ? h = img.shape[0] ?
? ? #image = [] ?
? ? for i in range(0,w): ?
? ? ? ? for j in range(0,h): ?
? ? ? ? ? ? for c in range(3): ?
? ? ? ? ? ? ? ? tmp = int(img[j,i,c]*light + bias) ?
? ? ? ? ? ? ? ? if tmp > 255: ?
? ? ? ? ? ? ? ? ? ? tmp = 255 ?
? ? ? ? ? ? ? ? elif tmp < 0: ?
? ? ? ? ? ? ? ? ? ? tmp = 0 ?
? ? ? ? ? ? ? ? img[j,i,c] = tmp ?
? ? return img ?

#使用dlib自帶的frontal_face_detector作為我們的特征提取器 ?
detector = dlib.get_frontal_face_detector() ?
# 打開攝像頭 參數(shù)為輸入流，可以為攝像頭或視頻文件 ?
camera = cv2.VideoCapture(0) ?
#camera = cv2.VideoCapture('C:/Users/CUNGU/Videos/Captures/wang.mp4') ?

index = 1 ?
while True: ?
? ? if (index <= 20):#存儲15張人臉特征圖像 ?
? ? ? ? print('Being processed picture %s' % index) ?
? ? ? ? # 從攝像頭讀取照片 ?
? ? ? ? success, img = camera.read() ?
? ? ? ? # 轉(zhuǎn)為灰度圖片 ?
? ? ? ? gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ?
? ? ? ? # 使用detector進行人臉檢測 ?
? ? ? ? dets = detector(gray_img, 1) ?

? ? ? ? for i, d in enumerate(dets): ?
? ? ? ? ? ? x1 = d.top() if d.top() > 0 else 0 ?
? ? ? ? ? ? y1 = d.bottom() if d.bottom() > 0 else 0 ?
? ? ? ? ? ? x2 = d.left() if d.left() > 0 else 0 ?
? ? ? ? ? ? y2 = d.right() if d.right() > 0 else 0 ?

? ? ? ? ? ? face = img[x1:y1,x2:y2] ?
? ? ? ? ? ? # 調(diào)整圖片的對比度與亮度， 對比度與亮度值都取隨機數(shù)，這樣能增加樣本的多樣性 ?
? ? ? ? ? ? face = relight(face, random.uniform(0.5, 1.5), random.randint(-50, 50)) ?

? ? ? ? ? ? face = cv2.resize(face, (size,size)) ?

? ? ? ? ? ? cv2.imshow('image', face) ?

? ? ? ? ? ? cv2.imwrite(output_dir+'/'+str(index)+'.jpg', face) ?

? ? ? ? ? ? index += 1 ?
? ? ? ? key = cv2.waitKey(30) & 0xff ?
? ? ? ? if key == 27: ?
? ? ? ? ? ? break ?
? ? else: ?
? ? ? ? print('Finished!') ?
? ? ? ? # 釋放攝像頭 release camera ?
? ? ? ? camera.release() ?
? ? ? ? # 刪除建立的窗口 delete all the windows ?
? ? ? ? cv2.destroyAllWindows() ?
? ? ? ? break

運行效果：

分析每張人臉的特征值并存入csv文件:

根據(jù)抓取的圖片和人臉識別模型->訓(xùn)練得到的20個的68個特征數(shù)據(jù)集以及1個平均特征值存入csv文件

每張圖片的68個特征數(shù)據(jù)集可以不用存取，他們只是中間量，計算平均值以后就可以拋棄了，這里把他們輸出出來只是為了方便學(xué)習(xí)。

代碼：

# 從人臉圖像文件中提取人臉特征存入 CSV ?
# Features extraction from images and save into features_all.csv ?

# return_128d_features() ? ? ? ? ?獲取某張圖像的128D特征 ?
# compute_the_mean() ? ? ? ? ? ? ?計算128D特征均值 ?

from cv2 import cv2 as cv2 ?
import os ?
import dlib ?
from skimage import io ?
import csv ?
import numpy as np ?

# 要讀取人臉圖像文件的路徑 ?
path_images_from_camera = "D:/No1WorkSpace/JupyterNotebook/Facetrainset/" ?

# Dlib 正向人臉檢測器 ?
detector = dlib.get_frontal_face_detector() ?

# Dlib 人臉預(yù)測器 ?
predictor = dlib.shape_predictor("D:/No1WorkSpace/JupyterNotebook/model/shape_predictor_68_face_landmarks.dat") ?

# Dlib 人臉識別模型 ?
# Face recognition model, the object maps human faces into 128D vectors ?
face_rec = dlib.face_recognition_model_v1("D:/No1WorkSpace/JupyterNotebook/model/dlib_face_recognition_resnet_model_v1.dat") ?


# 返回單張圖像的 128D 特征 ?
def return_128d_features(path_img): ?
? ? img_rd = io.imread(path_img) ?
? ? img_gray = cv2.cvtColor(img_rd, cv2.COLOR_BGR2RGB) ?
? ? faces = detector(img_gray, 1) ?

? ? print("%-40s %-20s" % ("檢測到人臉的圖像 / image with faces detected:", path_img), '\n') ?

? ? # 因為有可能截下來的人臉再去檢測，檢測不出來人臉了 ?
? ? # 所以要確保是 檢測到人臉的人臉圖像 拿去算特征 ?
? ? if len(faces) != 0: ?
? ? ? ? shape = predictor(img_gray, faces[0]) ?
? ? ? ? face_descriptor = face_rec.compute_face_descriptor(img_gray, shape) ?
? ? else: ?
? ? ? ? face_descriptor = 0 ?
? ? ? ? print("no face") ?

? ? return face_descriptor ?


# 將文件夾中照片特征提取出來, 寫入 CSV ?
def return_features_mean_personX(path_faces_personX): ?
? ? features_list_personX = [] ?
? ? photos_list = os.listdir(path_faces_personX) ?
? ? if photos_list: ?
? ? ? ? for i in range(len(photos_list)): ?
? ? ? ? ? ? with open("D:/No1WorkSpace/JupyterNotebook/feature/featuresGiao"+str(i)+".csv", "w", newline="") as csvfile: ?
? ? ? ? ? ? ? ? writer = csv.writer(csvfile) ?
? ? ? ? ? ? # 調(diào)用return_128d_features()得到128d特征 ?
? ? ? ? ? ? ? ? print("%-40s %-20s" % ("正在讀的人臉圖像 / image to read:", path_faces_personX + "/" + photos_list[i])) ?
? ? ? ? ? ? ? ? features_128d = return_128d_features(path_faces_personX + "/" + photos_list[i]) ?
? ? ? ? ? ? ? ? print(features_128d) ?
? ? ? ? ? ? ? ? writer.writerow(features_128d) ?
? ? ? ? ? ? # 遇到?jīng)]有檢測出人臉的圖片跳過 ?
? ? ? ? ? ? ? ? if features_128d == 0: ?
? ? ? ? ? ? ? ? ? ? i += 1 ?
? ? ? ? ? ? ? ? else: ?
? ? ? ? ? ? ? ? ? ? features_list_personX.append(features_128d) ?
? ? else: ?
? ? ? ? print("文件夾內(nèi)圖像文件為空 / Warning: No images in " + path_faces_personX + '/', '\n') ?

? ? # 計算 128D 特征的均值 ?
? ? # N x 128D -> 1 x 128D ?
? ? if features_list_personX: ?
? ? ? ? features_mean_personX = np.array(features_list_personX).mean(axis=0) ?
? ? else: ?
? ? ? ? features_mean_personX = '0' ?

? ? return features_mean_personX ?


# 讀取某人所有的人臉圖像的數(shù)據(jù) ?
people = os.listdir(path_images_from_camera) ?
people.sort() ?

with open("D:/No1WorkSpace/JupyterNotebook/feature/features_all.csv", "w", newline="") as csvfile: ?
? ? writer = csv.writer(csvfile) ?
? ? for person in people: ?
? ? ? ? print("##### " + person + " #####") ?
? ? ? ? # Get the mean/average features of face/personX, it will be a list with a length of 128D ?
? ? ? ? features_mean_personX = return_features_mean_personX(path_images_from_camera + person) ?
? ? ? ? writer.writerow(features_mean_personX) ?
? ? ? ? print("特征均值 / The mean of features:", list(features_mean_personX)) ?
? ? ? ? print('\n') ?
? ? print("所有錄入人臉數(shù)據(jù)存入 / Save all the features of faces registered into: D:/myworkspace/JupyterNotebook/People/feature/features_all2.csv")

如果要輸出每一張圖片的特征數(shù)據(jù)集，這里要用到Python的文件批量生成。

代碼運行效果:

二、識別人臉并匹配數(shù)據(jù)集

1. 原理

通過計算特征數(shù)據(jù)集的歐氏距離作對比來識別人臉，取歐氏距離最小的數(shù)據(jù)集進行匹配。

歐氏距離也稱歐幾里得距離或歐幾里得度量，是一個通常采用的距離定義，它是在m維空間中兩個點之間的真實距離。在二維和三維空間中的歐氏距離的就是兩點之間的距離。使用這個距離，歐氏空間成為度量空間。相關(guān)聯(lián)的范數(shù)稱為歐幾里得范數(shù)。較早的文獻稱之為畢達哥拉斯度量。

二維空間公式：

2. 視頻流實時識別人臉數(shù)據(jù)

代碼：

# 攝像頭實時人臉識別 ?
import os ?
import dlib ? ? ? ? ?# 人臉處理的庫 Dlib ?
import csv # 存入表格 ?
import time ?
import sys ?
import numpy as np ? # 數(shù)據(jù)處理的庫 numpy ?
from cv2 import cv2 as cv2 ? ? ? ? ? # 圖像處理的庫 OpenCv ?
import pandas as pd ?# 數(shù)據(jù)處理的庫 Pandas ?


# 人臉識別模型，提取128D的特征矢量 ?
# face recognition model, the object maps human faces into 128D vectors ?
# Refer this tutorial: http://dlib.net/python/index.html#dlib.face_recognition_model_v1 ?
facerec = dlib.face_recognition_model_v1("D:/No1WorkSpace/JupyterNotebook/model/dlib_face_recognition_resnet_model_v1.dat") ?


# 計算兩個128D向量間的歐式距離 ?
# compute the e-distance between two 128D features ?
def return_euclidean_distance(feature_1, feature_2): ?
? ? feature_1 = np.array(feature_1) ?
? ? feature_2 = np.array(feature_2) ?
? ? dist = np.sqrt(np.sum(np.square(feature_1 - feature_2))) ?
? ? return dist ?


# 處理存放所有人臉特征的 csv ?
path_features_known_csv = "D:/No1WorkSpace/JupyterNotebook/feature/features_all.csv" ?
csv_rd = pd.read_csv(path_features_known_csv, header=None) ?


# 用來存放所有錄入人臉特征的數(shù)組 ?
# the array to save the features of faces in the database ?
features_known_arr = [] ?

# 讀取已知人臉數(shù)據(jù) ?
# print known faces ?
for i in range(csv_rd.shape[0]): ?
? ? features_someone_arr = [] ?
? ? for j in range(0, len(csv_rd.loc[i, :])): ?
? ? ? ? features_someone_arr.append(csv_rd.loc[i, :][j]) ?
? ? features_known_arr.append(features_someone_arr) ?
print("Faces in Database：", len(features_known_arr)) ?

# Dlib 檢測器和預(yù)測器 ?
# The detector and predictor will be used ?
detector = dlib.get_frontal_face_detector() ?
predictor = dlib.shape_predictor('D:/No1WorkSpace/JupyterNotebook/model/shape_predictor_68_face_landmarks.dat') ?

# 創(chuàng)建 cv2 攝像頭對象 ?
# cv2.VideoCapture(0) to use the default camera of PC, ?
# and you can use local video name by use cv2.VideoCapture(filename) ?
cap = cv2.VideoCapture(0) ?

# cap.set(propId, value) ?
# 設(shè)置視頻參數(shù)，propId 設(shè)置的視頻參數(shù)，value 設(shè)置的參數(shù)值 ?
cap.set(3, 480) ?

# cap.isOpened() 返回 true/false 檢查初始化是否成功 ?
# when the camera is open ?
while cap.isOpened(): ?

? ? flag, img_rd = cap.read() ?
? ? kk = cv2.waitKey(1) ?

? ? # 取灰度 ?
? ? img_gray = cv2.cvtColor(img_rd, cv2.COLOR_RGB2GRAY) ?

? ? # 人臉數(shù) faces ?
? ? faces = detector(img_gray, 0) ?

? ? # 待會要寫的字體 font to write later ?
? ? font = cv2.FONT_HERSHEY_COMPLEX ?

? ? # 存儲當(dāng)前攝像頭中捕獲到的所有人臉的坐標(biāo)/名字 ?
? ? # the list to save the positions and names of current faces captured ?
? ? pos_namelist = [] ?
? ? name_namelist = [] ?

? ? # 按下 q 鍵退出 ?
? ? # press 'q' to exit ?
? ? if kk == ord('q'): ?
? ? ? ? break ?
? ? else: ?
? ? ? ? # 檢測到人臉 when face detected ?
? ? ? ? if len(faces) != 0: ? ?
? ? ? ? ? ? # 獲取當(dāng)前捕獲到的圖像的所有人臉的特征，存儲到 features_cap_arr ?
? ? ? ? ? ? # get the features captured and save into features_cap_arr ?
? ? ? ? ? ? features_cap_arr = [] ?
? ? ? ? ? ? for i in range(len(faces)): ?
? ? ? ? ? ? ? ? shape = predictor(img_rd, faces[i]) ?
? ? ? ? ? ? ? ? features_cap_arr.append(facerec.compute_face_descriptor(img_rd, shape)) ?

? ? ? ? ? ? # 遍歷捕獲到的圖像中所有的人臉 ?
? ? ? ? ? ? # traversal all the faces in the database ?
? ? ? ? ? ? for k in range(len(faces)): ?
? ? ? ? ? ? ? ? print("##### camera person", k+1, "#####") ?
? ? ? ? ? ? ? ? # 讓人名跟隨在矩形框的下方 ?
? ? ? ? ? ? ? ? # 確定人名的位置坐標(biāo) ?
? ? ? ? ? ? ? ? # 先默認所有人不認識，是 unknown ?
? ? ? ? ? ? ? ? # set the default names of faces with "unknown" ?
? ? ? ? ? ? ? ? name_namelist.append("unknown") ?

? ? ? ? ? ? ? ? # 每個捕獲人臉的名字坐標(biāo) the positions of faces captured ?
? ? ? ? ? ? ? ? pos_namelist.append(tuple([faces[k].left(), int(faces[k].bottom() + (faces[k].bottom() - faces[k].top())/4)])) ?

? ? ? ? ? ? ? ? # 對于某張人臉，遍歷所有存儲的人臉特征 ?
? ? ? ? ? ? ? ? # for every faces detected, compare the faces in the database ?
? ? ? ? ? ? ? ? e_distance_list = [] ?
? ? ? ? ? ? ? ? for i in range(len(features_known_arr)): ?
? ? ? ? ? ? ? ? ? ? # 如果 person_X 數(shù)據(jù)不為空 ?
? ? ? ? ? ? ? ? ? ? if str(features_known_arr[i][0]) != '0.0': ?
? ? ? ? ? ? ? ? ? ? ? ? print("with person", str(i + 1), "the e distance: ", end='') ?
? ? ? ? ? ? ? ? ? ? ? ? e_distance_tmp = return_euclidean_distance(features_cap_arr[k], features_known_arr[i]) ?
? ? ? ? ? ? ? ? ? ? ? ? print(e_distance_tmp) ?
? ? ? ? ? ? ? ? ? ? ? ? e_distance_list.append(e_distance_tmp) ?
? ? ? ? ? ? ? ? ? ? else: ?
? ? ? ? ? ? ? ? ? ? ? ? # 空數(shù)據(jù) person_X ?
? ? ? ? ? ? ? ? ? ? ? ? e_distance_list.append(999999999) ?
? ? ? ? ? ? ? ? # 找出最接近的一個人臉數(shù)據(jù)是第幾個 ?
? ? ? ? ? ? ? ? # Find the one with minimum e distance ?
? ? ? ? ? ? ? ? similar_person_num = e_distance_list.index(min(e_distance_list)) ?
? ? ? ? ? ? ? ? print("Minimum e distance with person", int(similar_person_num)+1) ?

? ? ? ? ? ? ? ? # 計算人臉識別特征與數(shù)據(jù)集特征的歐氏距離 ?
? ? ? ? ? ? ? ? # 距離小于0.4則標(biāo)出為可識別人物 ?
? ? ? ? ? ? ? ? if min(e_distance_list) < 0.4: ?
? ? ? ? ? ? ? ? ? ? # 這里可以修改攝像頭中標(biāo)出的人名 ?
? ? ? ? ? ? ? ? ? ? # Here you can modify the names shown on the camera ?
? ? ? ? ? ? ? ? ? ? # 1、遍歷文件夾目錄 ?
? ? ? ? ? ? ? ? ? ? folder_name = 'D:/No1WorkSpace/JupyterNotebook/Facetrainset/' ?
? ? ? ? ? ? ? ? ? ? # 最接近的人臉 ?
? ? ? ? ? ? ? ? ? ? sum=similar_person_num+1 ?
? ? ? ? ? ? ? ? ? ? key_id=1 # 從第一個人臉數(shù)據(jù)文件夾進行對比 ?
? ? ? ? ? ? ? ? ? ? # 獲取文件夾中的文件名:1wang、2zhou、3... ?
? ? ? ? ? ? ? ? ? ? file_names = os.listdir(folder_name) ?
? ? ? ? ? ? ? ? ? ? for name in file_names: ?
? ? ? ? ? ? ? ? ? ? ? ? # print(name+'->'+str(key_id)) ?
? ? ? ? ? ? ? ? ? ? ? ? if sum ==key_id: ?
? ? ? ? ? ? ? ? ? ? ? ? ? ? #winsound.Beep(300,500)# 響鈴：300頻率，500持續(xù)時間 ?
? ? ? ? ? ? ? ? ? ? ? ? ? ? name_namelist[k] = name[1:]#人名刪去第一個數(shù)字（用于視頻輸出標(biāo)識） ?
? ? ? ? ? ? ? ? ? ? ? ? key_id += 1 ?
? ? ? ? ? ? ? ? ? ? # 播放歡迎光臨音效 ?
? ? ? ? ? ? ? ? ? ? #playsound('D:/myworkspace/JupyterNotebook/People/music/welcome.wav') ?
? ? ? ? ? ? ? ? ? ? # print("May be person "+str(int(similar_person_num)+1)) ?
? ? ? ? ? ? ? ? ? ? # -----------篩選出人臉并保存到visitor文件夾------------ ?
? ? ? ? ? ? ? ? ? ? for i, d in enumerate(faces): ?
? ? ? ? ? ? ? ? ? ? ? ? x1 = d.top() if d.top() > 0 else 0 ?
? ? ? ? ? ? ? ? ? ? ? ? y1 = d.bottom() if d.bottom() > 0 else 0 ?
? ? ? ? ? ? ? ? ? ? ? ? x2 = d.left() if d.left() > 0 else 0 ?
? ? ? ? ? ? ? ? ? ? ? ? y2 = d.right() if d.right() > 0 else 0 ?
? ? ? ? ? ? ? ? ? ? ? ? face = img_rd[x1:y1,x2:y2] ?
? ? ? ? ? ? ? ? ? ? ? ? size = 64 ?
? ? ? ? ? ? ? ? ? ? ? ? face = cv2.resize(face, (size,size)) ?
? ? ? ? ? ? ? ? ? ? ? ? # 要存儲visitor人臉圖像文件的路徑 ?
? ? ? ? ? ? ? ? ? ? ? ? path_visitors_save_dir = "D:/No1WorkSpace/JupyterNotebook/KnownFacetrainset/" ?
? ? ? ? ? ? ? ? ? ? ? ? # 存儲格式：2019-06-24-14-33-40wang.jpg ?
? ? ? ? ? ? ? ? ? ? ? ? now_time = time.strftime("%Y-%m-%d-%H-%M-%S", time.localtime()) ?
? ? ? ? ? ? ? ? ? ? ? ? save_name = str(now_time)+str(name_namelist[k])+'.jpg' ?
? ? ? ? ? ? ? ? ? ? ? ? # print(save_name) ?
? ? ? ? ? ? ? ? ? ? ? ? # 本次圖片保存的完整url ?
? ? ? ? ? ? ? ? ? ? ? ? save_path = path_visitors_save_dir+'/'+ save_name ? ? ?
? ? ? ? ? ? ? ? ? ? ? ? # 遍歷visitor文件夾所有文件名 ?
? ? ? ? ? ? ? ? ? ? ? ? visitor_names = os.listdir(path_visitors_save_dir) ?
? ? ? ? ? ? ? ? ? ? ? ? visitor_name='' ?
? ? ? ? ? ? ? ? ? ? ? ? for name in visitor_names: ?
? ? ? ? ? ? ? ? ? ? ? ? ? ? # 名字切片到分鐘數(shù)：2019-06-26-11-33-00wangyu.jpg ?
? ? ? ? ? ? ? ? ? ? ? ? ? ? visitor_name=(name[0:16]+'-00'+name[19:]) ?
? ? ? ? ? ? ? ? ? ? ? ? # print(visitor_name) ?
? ? ? ? ? ? ? ? ? ? ? ? visitor_save=(save_name[0:16]+'-00'+save_name[19:]) ?
? ? ? ? ? ? ? ? ? ? ? ? # print(visitor_save) ?
? ? ? ? ? ? ? ? ? ? ? ? # 一分鐘之內(nèi)重復(fù)的人名不保存 ?
? ? ? ? ? ? ? ? ? ? ? ? if visitor_save!=visitor_name: ?
? ? ? ? ? ? ? ? ? ? ? ? ? ? cv2.imwrite(save_path, face) ?
? ? ? ? ? ? ? ? ? ? ? ? ? ? print('新存儲：'+path_visitors_save_dir+'/'+str(now_time)+str(name_namelist[k])+'.jpg') ?
? ? ? ? ? ? ? ? ? ? ? ? else: ?
? ? ? ? ? ? ? ? ? ? ? ? ? ? print('重復(fù)，未保存！') ?

? ? ? ? ? ? ? ? else: ?
? ? ? ? ? ? ? ? ? ? # 播放無法識別音效 ?
? ? ? ? ? ? ? ? ? ? #playsound('D:/myworkspace/JupyterNotebook/People/music/sorry.wav') ?
? ? ? ? ? ? ? ? ? ? print("Unknown person") ?
? ? ? ? ? ? ? ? ? ? # -----保存圖片------- ?
? ? ? ? ? ? ? ? ? ? # -----------篩選出人臉并保存到visitor文件夾------------ ?
? ? ? ? ? ? ? ? ? ? for i, d in enumerate(faces): ?
? ? ? ? ? ? ? ? ? ? ? ? x1 = d.top() if d.top() > 0 else 0 ?
? ? ? ? ? ? ? ? ? ? ? ? y1 = d.bottom() if d.bottom() > 0 else 0 ?
? ? ? ? ? ? ? ? ? ? ? ? x2 = d.left() if d.left() > 0 else 0 ?
? ? ? ? ? ? ? ? ? ? ? ? y2 = d.right() if d.right() > 0 else 0 ?
? ? ? ? ? ? ? ? ? ? ? ? face = img_rd[x1:y1,x2:y2] ?
? ? ? ? ? ? ? ? ? ? ? ? size = 64 ?
? ? ? ? ? ? ? ? ? ? ? ? face = cv2.resize(face, (size,size)) ?
? ? ? ? ? ? ? ? ? ? ? ? # 要存儲visitor-》unknown人臉圖像文件的路徑 ?
? ? ? ? ? ? ? ? ? ? ? ? path_visitors_save_dir = "D:/No1WorkSpace/JupyterNotebook/UnKnownFacetrainset/" ?
? ? ? ? ? ? ? ? ? ? ? ? # 存儲格式：2019-06-24-14-33-40unknown.jpg ?
? ? ? ? ? ? ? ? ? ? ? ? now_time = time.strftime("%Y-%m-%d-%H-%M-%S", time.localtime()) ?
? ? ? ? ? ? ? ? ? ? ? ? # print(save_name) ?
? ? ? ? ? ? ? ? ? ? ? ? # 本次圖片保存的完整url ?
? ? ? ? ? ? ? ? ? ? ? ? save_path = path_visitors_save_dir+'/'+ str(now_time)+'unknown.jpg' ?
? ? ? ? ? ? ? ? ? ? ? ? cv2.imwrite(save_path, face) ?
? ? ? ? ? ? ? ? ? ? ? ? print('新存儲：'+path_visitors_save_dir+'/'+str(now_time)+'unknown.jpg') ?

? ? ? ? ? ? ? ? # 矩形框 ?
? ? ? ? ? ? ? ? # draw rectangle ?
? ? ? ? ? ? ? ? for kk, d in enumerate(faces): ?
? ? ? ? ? ? ? ? ? ? # 繪制矩形框 ?
? ? ? ? ? ? ? ? ? ? cv2.rectangle(img_rd, tuple([d.left(), d.top()]), tuple([d.right(), d.bottom()]), (0, 255, 255), 2) ?
? ? ? ? ? ? ? ? print('\n') ?

? ? ? ? ? ? # 在人臉框下面寫人臉名字 ?
? ? ? ? ? ? # write names under rectangle ?
? ? ? ? ? ? for i in range(len(faces)): ?
? ? ? ? ? ? ? ? cv2.putText(img_rd, name_namelist[i], pos_namelist[i], font, 0.8, (0, 255, 255), 1, cv2.LINE_AA) ?

? ? print("Faces in camera now:", name_namelist, "\n") ?

? ? #cv2.putText(img_rd, "Press 'q': Quit", (20, 450), font, 0.8, (84, 255, 159), 1, cv2.LINE_AA) ?
? ? cv2.putText(img_rd, "Face Recognition", (20, 40), font, 1, (0, 0, 255), 1, cv2.LINE_AA) ?
? ? cv2.putText(img_rd, "Visitors: " + str(len(faces)), (20, 100), font, 1, (0, 0, 255), 1, cv2.LINE_AA) ?

? ? # 窗口顯示 show with opencv ?
? ? cv2.imshow("camera", img_rd) ?

# 釋放攝像頭 release camera ?
cap.release() ?

# 刪除建立的窗口 delete all the windows ?
cv2.destroyAllWindows()